DictVectorizer#
- class sklearn.feature_extraction.DictVectorizer(*, dtype=<class 'numpy.float64'>, separator='=', sparse=True, sort=True)[source]#
将特征-值映射列表转换为向量。
此转换器将特征名称到特征值的映射列表（类似字典的对象）转换为NumPy数组或scipy.sparse矩阵，以便与scikit-learn估计器一起使用。
当特征值是字符串时，此转换器将执行二元独热编码（又称one-of-K编码）：为特征可能采用的每个可能的字符串值构造一个布尔值特征。例如，一个可以取值“ham”和“spam”的特征“f”将变成输出中的两个特征，一个表示“f=ham”，另一个表示“f=spam”。
如果特征值是字符串序列或集合，此转换器将迭代这些值并计算每个字符串值的出现次数。
但是，请注意，只有当特征值的数据类型为字符串时，此转换器才会执行二元独热编码。如果分类特征表示为数值（例如整数）或字符串迭代器，则可以使用
OneHotEncoder来完成二元独热编码。样本（映射）中未出现的特征在生成的数组/矩阵中将具有零值。
有关不同特征提取器的效率比较，请参阅 FeatureHasher 和 DictVectorizer 比较。
在 用户指南 中了解更多信息。
- 参数：
- dtypedtype，默认为np.float64
特征值的类型。作为dtype参数传递给Numpy数组/scipy.sparse矩阵构造函数。
- separatorstr，默认为“=”
构造独热编码的新特征时使用的分隔符字符串。
- sparsebool，默认为True
转换是否应生成scipy.sparse矩阵。
- sortbool，默认为True
拟合时是否应对
feature_names_和vocabulary_进行排序。
- 属性：
- vocabulary_dict
一个将特征名称映射到特征索引的字典。
- feature_names_list
一个长度为n_features的列表，包含特征名称（例如，“f=ham”和“f=spam”）。
另请参阅
FeatureHasher仅使用哈希函数执行向量化。
sklearn.preprocessing.OrdinalEncoder处理编码为任意数据类型列的标称/分类特征。
示例
>>> from sklearn.feature_extraction import DictVectorizer >>> v = DictVectorizer(sparse=False) >>> D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}] >>> X = v.fit_transform(D) >>> X array([[2., 0., 1.], [0., 1., 3.]]) >>> v.inverse_transform(X) == [{'bar': 2.0, 'foo': 1.0}, ... {'baz': 1.0, 'foo': 3.0}] True >>> v.transform({'foo': 4, 'unseen_feature': 3}) array([[0., 0., 4.]])
- fit(X, y=None)[source]#
学习特征名称到索引映射的列表。
- 参数：
- X映射或可迭代的映射
从特征名称（任意Python对象）到特征值（字符串或可转换为dtype）的字典或映射。
0.24版本中的更改： 接受单个分类特征的多个字符串值。
- y(忽略)
忽略的参数。
- 返回值：
- self对象
DictVectorizer 类实例。
- fit_transform(X, y=None)[source]#
学习特征名称到索引映射的列表并转换X。
类似于fit(X) 后跟 transform(X)，但不需要在内存中具体化X。
- 参数：
- X映射或可迭代的映射
从特征名称（任意Python对象）到特征值（字符串或可转换为dtype）的字典或映射。
0.24版本中的更改： 接受单个分类特征的多个字符串值。
- y(忽略)
忽略的参数。
- 返回值：
- Xa{数组，稀疏矩阵}
特征向量；始终为二维。
- get_feature_names_out(input_features=None)[source]#
获取转换的输出特征名称。
- 参数：
- input_featuresstr 的类数组或 None，默认为 None
未使用，此处出于 API 一致性约定而存在。
- 返回值：
- feature_names_outstr 对象的 ndarray
转换后的特征名称。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看 用户指南 ，了解路由机制的工作原理。
- 返回值：
- routingMetadataRequest
一个
MetadataRequest封装路由信息。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数：
- deepbool，默认为True
如果为True，则将返回此估计器和包含的作为估计器的子对象的参数。
- 返回值：
- paramsdict
参数名称映射到其值。
- inverse_transform(X, dict_type=<class 'dict'>)[source]#
将数组或稀疏矩阵 X 转换回特征映射。
X 必须是由此 DictVectorizer 的 transform 或 fit_transform 方法生成的；它可能仅通过保留特征数量及其顺序的转换器。
对于独热编码/K值独热编码，返回的是构造的特征名称和值，而不是原始的名称和值。
- 参数：
- X形状为 (n_samples, n_features) 的 {array-like, sparse matrix}
样本矩阵。
- dict_type类型，默认为 dict
特征映射的构造器。必须符合 collections.Mapping API。
- 返回值：
- D形状为 (n_samples,) 的 dict_type 对象列表
X 中样本的特征映射。
- restrict(support, indices=False)[source]#
使用特征选择将特征限制在 support 中的那些特征。
此函数就地修改估计器。
- 参数：
- support类数组
布尔掩码或索引列表（由特征选择器的 get_support 成员返回）。
- indices布尔值，默认为 False
support 是否为索引列表。
- 返回值：
- self对象
DictVectorizer 类实例。
示例
>>> from sklearn.feature_extraction import DictVectorizer >>> from sklearn.feature_selection import SelectKBest, chi2 >>> v = DictVectorizer() >>> D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}] >>> X = v.fit_transform(D) >>> support = SelectKBest(chi2, k=2).fit(X, [0, 1]) >>> v.get_feature_names_out() array(['bar', 'baz', 'foo'], ...) >>> v.restrict(support.get_support()) DictVectorizer() >>> v.get_feature_names_out() array(['bar', 'foo'], ...)
- set_output(*, transform=None)[source]#
设置输出容器。
参见 Introducing the set_output API，了解如何使用该 API 的示例。
- 参数：
- transform{"default", "pandas", "polars"}，默认为 None
配置
transform和fit_transform的输出。"default"：转换器的默认输出格式"pandas"：DataFrame 输出"polars"：Polars 输出None：转换配置保持不变
版本 1.4 中新增：
"polars"选项已添加。
- 返回值：
- self估计器实例
估计器实例。
